文 | 影子备忘录
近期，Gartner 发布了一份报告：2026 年全球数据中心用电量将达到 565TWh，同比增长 26%。到 2030 年，这个数字将突破 1200TWh。
打个比方，仅全球数据中心一年的耗电量，就超过了日本全国一年的用电总和。
而就在这个数字公布的同一周，美国全境至少有 75 个数据中心项目被叫停或延期，涉及投资额高达 1300 亿美元。
他们并不是没钱，也不是没芯片。
而是没电。
微软 CEO 纳德拉最近在一档播客中罕见地吐露了真实焦虑：" 我们现在面临的最大问题，不再是运算资源过剩，而是电力能否够快地在有数据设施的地方完成建置。如果做不到这点，我们可能会有一堆芯片躺在仓库里却插不上电。"
这句话，揭开了 AI 竞赛下半场最残酷的真相：当芯片不再是瓶颈，电力成了新的天花板。
巨头们都在 " 缺电 "
先看一组数据。
Gartner 的预测显示，2025 年全球数据中心用电量为 447TWh，2026 年跃升至 565TWh，一年净增 118TWh。更令人震惊的是 AI 优化服务器的用电量从 2025 年的 95TWh 暴涨到 2026 年的 175TWh，增幅高达 84%。
到 2027 年，AI 服务器的用电量将正式超过传统服务器。
电力需求方面，全球数据中心从 2025 年的 104GW 飙升至 2026 年的 132GW，到 2030 年更将触及 290GW。
国际能源署的预测更加激进：到 2030 年，全球数据中心用电量将较 2024 年增长一倍以上，达到约 945TWh。其中，美国和中国将合计占据全球数据中心电力需求的 80%。
这些数字背后是一个不容忽视的现实：AI 正在以前所未有的速度吞噬电力。
一台 GPU 服务器的功耗是传统服务器的 3 到 5 倍。英伟达的 Blackwell 架构 GPU 单颗功耗高达 1kW，比上一代 Hopper 架构的 700W 增加了 40%。
当数十万颗这样的芯片被部署在同一个数据中心时，对电网的冲击可想而知。
OpenAI 在得克萨斯州阿比林建设的首个 " 星际之门 " 数据中心，电力需求最高达 1.4GW，部署超过 40 万颗 GPU。
而 OpenAI 与 Oracle、软银合作的整体 " 星际之门 " 计划，将在美国投资 4000 亿美元建设五个全新数据中心。
OpenAI 高管预估，每 1GW 的 AI 计算能力部署成本约为 500 亿美元。
这已经不是在盖机房，而是在造一座又一座的虚拟电厂。
面对电力危机，科技巨头们的应对方式只有一个字：买电厂、买核电、买绿电，能买的全买。
先看 2025 年的资本开支清单：
微软全年资本支出 1200 亿美元，创历史新高。仅 2025 年第三季度单季就投入接近 350 亿美元建设 AI 基础设施，约占当季营收的近半。
2025 年已将 AI 数据中心容量提升约八成，并计划在未来两年内再次翻倍。
亚马逊预计 2025 年资本支出 1180 亿美元。AWS 总电力容量已较 2022 年翻倍，并计划到 2027 年再翻倍。
亚马逊在印第安纳州建设的一个数据中心园区耗资 150 亿美元，将消耗 2.2GW 电力，而这些电力足够供应 100 万户家庭一个月的用电量。
谷歌预计 2025 年资本支出 850 亿美元，三季度又将预期抬升至 910 亿至 930 亿美元。
Meta2025 年资本开支区间上调至 700 亿至 720 亿美元，并预告 2026 年还会 " 明显更高 "。
四家合计，2025 年投入约 4000 亿美元，2026 年还将更高。
但这笔巨资解决的只是芯片层面的瓶颈。真正的难题才刚刚开始。
如果说芯片的供应周期是按月计算的，那电网的升级周期是按年，甚至按十年计算的。
在美国建造一座大型数据中心平均需要两年，但新建高压电力线路需要 5 到 10 年。
一台变压器的交货周期从 12 个月延长到了 24 个月以上。
美国电力变压器的需求自 2019 年以来增长了 119%，价格涨幅达到 77%。
这些冰冷的数字背后，是一个正在崩溃的供应链系统。
弗吉尼亚州阿什本，全球最密集的数据中心集群所在地，200 多座数据中心扎堆在方圆几十公里内。
2025 年夏天，这里发生了一件让整个美国电力行业捏把汗的事：大约 60 个数据中心因为常规安全触发器，同时切换到了自备发电机。
几十个数据中心一起脱网，突然释放的过剩电力差点把电网调度打崩。
事后复盘发现，既不是设备故障，也不是极端天气。
问题出在一个更深层的变化：越来越多的数据中心有了自己的发电能力，而电网还没学会跟它们共处。
这还不是最让人头疼的。
凯捷研究院 2026 年 6 月发布了一份 120 页的报告，调研覆盖全球 612 位电力行业高管和 175 位数据中心高管。
报告揭示了三件同时发生的事：需求在变质，电网在掉队，数据中心和电力公司的关系在重新洗牌。
需求怎么变质了？
传统数据中心跑云计算和存储，负荷曲线相对平稳，白天忙晚上闲，调度有章可循。
但 AI 完全不按套路出牌，它可以训练任务 24 小时满转，推理任务跟着用户流量瞬变。同一个大模型的两次查询，算力消耗可能相差好几倍。
80% 的电力高管预判，未来数据中心的用电峰值会更极端、更没有规律。79% 的电力高管将其列为严峻挑战。
更要命的是，五分之一的并网申请是 " 幽灵 "。67% 的电力高管承认，大约 19% 的数据中心并网申请永远不会落地。
原因很简单：开发商同时向好几家电力公司提交申请抢位。
77% 的电力公司坦言无法准确预测数据中心需求。建多了怕搁浅资产，建少了怕缺电，怎么投都像在赌。
弗吉尼亚州主要电力供应商道明尼能源公司接到的高达 40GW 的数据中心订单，相当于 40 座核电站的发电量，而如今已增至 47GW。而 2026 年第一季度，全美至少 75 个数据中心项目被叫停或延期。
不是电网跟不上 AI，而是 AI 跑赢了电网。
自己动手，丰衣足食
既然电网靠不住，巨头们决定自己干。
最激进的路线是核电。
2025 年 10 月，谷歌宣布重启艾奥瓦州一座已于 2020 年关闭的核电站——杜安 · 阿诺德能源中心，计划 2029 年重新投运，为 AI 基础设施供电。
双方签署了为期 25 年的电力采购协议。此前，谷歌还与 Kairos Power 签署协议，从多个小型模块化反应堆购买核能。
Meta 同样押注核电。2025 年，Meta 与 Constellation Energy 签署了一份为期 20 年的供电协议，从 2027 年 6 月起购买伊利诺伊州克林顿核电站约 1.1GW 的全部发电量。
亚马逊则直接 " 住 " 到了核电站隔壁。2024 年，AWS 以约 6.5 亿美元收购了宾夕法尼亚州苏斯奎哈纳核电站旁的一处数据中心园区。
2025 年，发电企业 Talen 又与 AWS 签署了 1920MW 的长期购电协议。
除了核电，可再生能源也是重头戏。
微软与布鲁克菲尔德资产管理公司签署框架协议，计划在 2026 至 2030 年间获取超过 10.5GW 的新建可再生能源发电能力，投资规模预计在 100 亿美元以上。
2025 年，微软已通过长期购电协议 contracted 了 40GW 的新可再生能源供应。
Meta 与 Brookfield Renewable 合作布局 10.5GW 可再生能源发电能力。谷歌则在 "24 小时碳中和 " 路径上不断加码，提出到 2030 年让全球数据中心全面实现按小时匹配的碳中和电力供应。
科技公司不再只是 " 用电大户 "，而是通过长期购电协议、资产收购与联合开发，深度介入发电和电网规划。
它们正在从互联网公司，变成 " 带发电业务的科技公司 "。
有人会说：芯片能效不是一直在提升吗？
没错。英伟达 Blackwell 的能效比上一代提升了 25 倍，谷歌的 Ironwood TPU 比第一代效率高了近 30 倍。
但凯捷报告搬出了一个经济学上的经典概念：杰文斯悖论——效率越高，单位算力越便宜，用的人就越多，最后总用电量不降反升。
这条规律在蒸汽机时代就被验证过，放到 AI 时代照样成立。
87% 的数据中心高管对芯片效率提升寄予厚望。但报告的结论很直白：效率提升可以缓解，但不能消除数据中心能源需求增长。
这头吞电巨兽，靠喂减肥药是瘦不下来的。
中国的 " 算电协同 " 新赛道
在这场全球性的算力 - 电力博弈中，中国走出了另一条路。
2026 年，" 算电协同 " 首次写入政府工作报告。
所谓 " 算电协同 "，不只是给数据中心拉根电线，而是通过数字化、智能化技术，让算力资源与电力资源实现动态匹配、智能调度，算力跟着电力走，电力调度靠算力。
中国的数据已经说明了趋势的紧迫性。2025 年 5 月，互联网数据服务用电量同比飙升 45.4%，远超全社会用电量 6.9% 的增速。
全国数据中心用电量从 2022 年的 1300 亿 kWh 增长至 2025 年的 1960 亿 kWh。2025 年，中国已建成 42 个万卡级智算集群。
但中国也有自己的底气。宁德时代董事长曾毓群在 2026 年夏季达沃斯论坛上表示，中国电网与能源体系发展十分成熟，新增数据中心的总耗电量相较于电力总量占比有限。
他同时提供了一个令人信服的例证：宁德时代几家制造工厂采用 AI 系统后，电费支出减少了 30%。
AI 不仅是能源的消耗者，也可以成为能源的优化者。
在电力设备制造端，中国企业正在抓住全球缺口。
2026 年第一季度，国内电力变压器出口额同比增长 76%。特变电工的 AI 定制化变压器订单预计 2026 年增速将超过 20%。安靠智电成功将变压器出口至北美数据中心。
全球变压器市场规模预计 2026 年将达到 699.7 亿美元，中国产能占全球约 42%。
一台变压器的生产过程包含铁芯切割、线圈绕制、绝缘处理、总装测试等多个环节，一支专业团队的培养至少需要 3 到 5 年。
这是一个靠时间积累的护城河，AI 再快也绕不过去。
结语
2026 年夏季达沃斯论坛将 " 无电力，不智能 " 搬上了核心议程。这不是一句口号，而是正在发生的现实。
晶科能源副总裁钱晶在论坛上算了一笔账：传统化石能源按现有消耗节奏，或许尚能支撑三四十年，但 AI 的爆发式叠加，无疑将这个时间窗口狠狠压缩。
她断言，未来数据中心的胜负手，不只看芯片算力，更看是否拥有稳定的电力底座，以及能否获得足够便宜、足够清洁的绿电供应。
Gartner 研究总监 Linglan Wang 的表述更加直白：" 如今 AI 计算能力受到电力供应的限制，这使数据中心供电保障成为全球 AI 竞赛中，实现规模扩张和保障利润的新角逐点。"
从拼 GPU 到拼电力，AI 竞赛的规则正在被重写。
谁能够率先掌握低成本、高稳定、零碳化的电力供给能力，谁就能牢牢掌握全球算力产业的核心话语权。
这不是一场关于芯片的战争。这是一场关于电力的战争。
而这场战争，才刚刚开始。
